19、无损压缩技术与股票价格预测模型降维分析

无损压缩技术与股票价格预测模型降维分析

1. 无损压缩技术实验分析

在无损压缩技术的实验中，对RLE、LZW和Huffman三种算法进行了研究。使用特定的指标来衡量压缩算法的有效性，这些指标分别通过1个和3个方程计算得出。

1.1 实验结果

算法	特点	性能表现
RLE	压缩机制简单，在有重复字符时能有效工作，但在现实场景中并非总能适用	在各项指标上表现均不如其他两种算法
LZW	利用字典的高效技术	在大多数指标上表现优于其他算法，但压缩时间方面不如Huffman，因为构建字典需要大量时间
Huffman	-	在压缩时间方面表现优于LZW

2. 股票价格预测模型输入特征降维分析

2.1 背景

在开发使用高维数据的机器学习模型时，通常会受到维度灾难的影响。为了解决这个问题，开发了各种降维算法，其中PCA是最广泛使用的降维算法。在股票价格预测中，之前的研究开发了基于深度学习的预测模型，但输入特征维度分别为715和250，导致模型训练和测试时间长，且会产生噪声。

<